我只需要澄清一些非常基本的东西 - 大多数计算示例都使用如下内容：
ID = blockIdx.x*blockDim.x+threadIdx.x;
// ...然后对数组[ID]进行计算
我的问题是，如果我想在一个块中使用最大线程数（1024），那么我真的需要考虑所有（threadIdx.x、threadIdx.y、 threadIdx.z) ?
如果是这样，将其散列为单个值的推荐方法是什么？
如果不是这样，为什么有人可以在图像处理相关操作中以类似的方式使用它，例如这篇文章：
https://stackoverflow.com/questions/11503406/cuda-addressing-a-matrix
blockidx.x 和blockidx.y 怎么样，在这方面他们和threaIdx 是一样的吗？
【问题讨论】：
标签： cuda
通常会创建 2D 或 3D 线程块，因为该问题有助于对数据进行 2D 或 3D 解释，使用 2D 或 3D 线程块处理它可能会使代码更具可读性。但是没有具体的原因为什么不能使用具有适当索引的 1D 线程块来完成。
创建 2D 或 3D 网格（块）通常是出于上述原因和/或绕过 CC 3.0 之前的设备对网格的任一维度中的块数的限制（最多 65535 个块）任何维度）。
对于线程块的情况，您可以在单个维度的单个块中使用 1024 个线程，因此如果您不想使用 threadIdx.y 或 threadIdx.z 构造您的 ID 变量。
如果您有 CC 3.0 之前的设备，并且您的问题在块方面足够大，您可能仍想构建 2D 网格。您仍然可以在该网格中使用一维线程块。在这种情况下，可以创建一个唯一的 ID 变量，如下所示：
int idx = threadIdx.x + (((gridDim.x * blockIdx.y) + blockIdx.x)*blockDim.x);
上面的构造应该处理任何二维网格的一维线程块。
除了构建 2D 网格来处理大型问题之外，还有其他方法，例如让您的块在某种循环中处理多个数据块。
【讨论】：
这是在 Robert Crovella 的回答之上：
创建 2D/3D 网格不仅是为了提高可读性，还可以利用片上共享内存中的 2D/3D 局部性，从而提供更快的访问速度。如果您的问题适用于 2D 网格，则您无法使用 1D 网格有效地利用这种局部性。
【讨论】：
threadID 在您的示例中是一个误导性术语。计算的值实际上是当前线程将读取或写入的数组的索引。如果您的内核被多个块调用，您需要以这种方式计算索引以处理每个数组元素一次。
【讨论】：
请记住，您将 threadIdx.x、threadIdx.y、blockIdx.x 和 blockIdx.y 散列为单个值的方式会影响您正在执行的全局内存访问的合并，请参阅此线程中 harrism 的答案
【讨论】：